Datawhale干货
作者:安晟,Datawhale成员
本文为干货知识+赛事实践系列,对模型训练、调参流程与模型集成进行了总结,旨在理论与实践结合(零基础入门系列:数据挖掘/cv/nlp/金融风控/推荐系统等,持续更新)
分享大纲
1. 模型训练与验证
设置验证集的必要性和验证集训练方法;
2. 调参流程
调参指导框架、搭建Baseline训练模型和调参原则;
3. 模型集成
通过交叉验证集成模型、TTA和Snapshot。
模型训练与验证
为什么要设置验证集:
两种常见的验证集划分方法:留出法和K折交叉验证
调参流程
调参指导框架
观察数据
搭建Baseline训练初始框架
调参原则
如何走出翻车
模型集成
通过交叉验证集成模型
TTA
snapshot
Datawhale竞赛群已成立
可扫码加入Datawhale竞赛学习社群
在社群中,交流、讨论和组队算法赛事。
如果加入了之前的社群,请不需要重复添加!
如需本文PPT或群满,后台回复 CV 可下载/进群
点击阅读原文,本文视频讲解↓